一种改进的运动目标检测

针对现有方法在复杂的环境下不能很好地检测出运动物体的问题,提出了一种改进的基于混合高斯模型的背景消减法检测运动目标.改进了背景模型的更新算法,提高了背景更新速度.利用帧间差分法消除了"鬼影"问题,同时采用动态阈值分割算法,提高了准确性.实验结果表明,该算法能很好地提取出运动目标.     

基于混合高斯模型的运动目标检测算法

针对摄像机在静止条件下的自适应运动目标检测,提出一种改进的运动目标检测算法。首先,针对高斯混合背景建模初期背景建模效果不理想的问题,利用统计的方法得到背景模型,根据背景图像建立高斯混合模型;在模型学习方面,为均值与方差设置了不同的学习率。针对传统的LBP算子的缺陷,提出了一种改进的纹理特征算子,将其与HSV颜色空间去阴影的方法相结合,从而实现对阴影的检测与去除,利用随机Hough算子对圆的检测原理,在运动目标检测的基础之上,实现对人头的边缘检测。实验结果表明:该算法可以很好地检测出运动目标,并能够有效去除运动目标包含的阴影区域,从而实现人头区域的检测。     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中.首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域(包括运动目标、投射阴影)从场景中提取出来;最后,采用局部二元图(Local Binary Pattern,LBP)来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果.实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值.     

一种背景自适应的运动目标检测算法

鉴于传统混合高斯模型背景更新的不足,融合边缘检测、帧间差分,提出一种背景自适应的运动目标检测算法。该算法利用Sobel算子提取图像的边缘信息,采用了三帧差分法把每帧图像分为背景区域、背景暴露区域以及目标运动区域,对背景暴露区域、背景区域以及运动区域采用不同的背景更新策略。实验表明,算法对缓慢运动物体、光线突变及背景融入等条件有较好的适应性,能够有效地检测运动目标。     

一种运动目标阴影轮廓的两步检测算法

由于运动阴影具有与运动前景相同的特性,在视频处理中分割前景时存在误把阴影检测为前景的问题,可能严重地影响跟踪、识别等后续处理,据此提出一种用于运动目标阴影检测的改进算法。先为每个像素点建立混合高斯模型分割出运动目标,利用阴影区域像素8个相邻区域上像素点的亮度特点判断疑似阴影,然后运用色彩空间向量模型的颜色不变性对所有疑似阴影进行聚类,进一步完成阴影检测。试验结果表明,该方法检测精度高、效果好、速度快,有广泛的应用前景。     

基于双向分析的KGMM运动目标检测算法

针对传统的目标检测算法往往是顺着时间轴方向从过去到现在分析视频序列,而忽略当前帧之后的逆向视频帧信息,对于复杂场景下的背景突变或光照变化的运动目标检测等方面存在不足.提出了基于双向分析的(KGMM)运动目标检测方法.在KGMM模型基础上,加入向后分析建立混合高斯模型,有效解决了较强的背景扰动和环境的复杂变化带来检测效果不好的问题,提高了算法的适应性.向前分析模型与向后分析模型共享一个高斯分布集,减少了高斯分布个数,保证了算法的运行速度.实验结果表明,改进的算法检测效果更理想.     

基于融合邻域信息的海面运动目标检测

运动视目标检测是视频信息处理的重要研究课题之一.本文提出了一种基于高斯混合模型邻域信息融合的海面运动目标检测算法.该算法融合了背景差分和背景邻域信息差分,充分利用同一幅图像的像素邻域信息得到运动目标的种子点,认为高斯背景差分图像中包含种子点的连通区域为真实前景目标.实验表明,该方法可以避免背景模型在构建或更新阶段对场景的表征不足或错误而造成的误检,对强光下的海杂波也有良好的抑制作用,且对不同的气候环境有较好的鲁棒性.     

基于Log-gabor小波的运动目标阴影检测

针对阴影覆盖前后的场景纹理相似的特点和Gabor小波在纹理特征提取上的不足,利用Log-gabor在纹理特征提取上的较优性能及对光照的不敏感性,提出一种基于Log-gabor的运动目标阴影检测方法.首先根据阴影在颜色空间的特点,利用像素点亮度变化规律,对前景中包含阴影的运动目标进行检测,提取疑似阴影区域.然后对疑似阴影区域分块,获取块Log-gabor纹理特征.最后,针对运动目标和道路纹理区别,提出合理有效的阴影判定准则,使用判定准则识别阴影.实验结果表明,所提方法在不需场景先验知识情况下,能较快较准确检测出阴影.     

一种基于背景减法的运动目标检测算法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.首先利用无拘束学习方式迅速建立多个可靠的RGB颜色背景模型,然后在运动目标分割过程中,及时地根据场景变化对背景模型进行更新,同时利用色度信息及局部交叉熵信息去除阴影,得到较为精确的运动目标.在对用普通USB摄像头获取的视频序列实验中,该算法显示了良好的性能.     

基于HSI颜色模型的运动目标检测方法

针对灯光和背景的亮度不同,通过HSI空阃提取亮度信息,使用自动阈值对光源和运动目标进行区分,降低因光源变化而产生的运动目标误检．实验结果表明,该算法可以显著提高运动目标检测在有光源影响下的准确性,减少将背景误判为前景的情况．     

基于改进的差分相乘运动目标检测

针对传统帧间差分在目标检测中的不足,提出了基于改进的差分相乘的运动目标检测方法.该算法通过四帧差分分别和混合高斯建模得到的背景图像差分之后再相与,然后通过阈值技术得到运动目标,背景自适应的更新减少了噪声和光照变化对检测的影响,从而解决传统帧差法可能出现的无法检测完整目标的现象.实验表明,改进算法改善了传统帧差法中存在的较多伪目标点与空洞现象,提高了运动目标检测的效率和准确性.     

一种基于改进帧差法的运动目标检测

针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。     

一种有效的运动人体目标检测算法

运动目标检测是智能监控系统的重要组成部分,检测效果的好坏直接关系到目标跟踪及后续行为识别的效果,是整个系统优劣和实用性的关键.提出一种人体运动目标检测算法,采用背景减除法提取运动目标,自适应阈值对差分图像进行二值化处理及形态学处理.并利用LOG边缘检测算子,进一步提取目标轮廓,减少冗余,简化后续处理中算法的复杂度、减少运算时间.实验结果充分证明了该算法的有效性.     

基于改进水平集的多运动目标检测方法

针对多目标检测中目标和阴影连接导致检测失败的问题,提出一种基于改进水平集的精确检测方法.通过对监控视频进行对称差分获取运动信息,将其融合到水平集演化函数中,然后进行一次分割得到演化曲线,以此获得目标的位置信息.根据目标与阴影的差异信息,调整水平集演化函数,进行二次分割可准确分离多个目标及其阴影.将文中方法应用在公路监控的多运动车辆检测实验中,能够有效地检测出运动车辆轮廓,处理速度为24帧/s,消除阴影的准确率达98.6%,取得了准确的检测效果.     

改进的YOLOv5-ResNet相似目标检测方法

针对在相似目标检测问题中,以YOLOv5为代表的一步法漏检错检率高、以Faster R-CNN为代表的两步法检测速度慢的问题,提出了一种改进的YOLOv5-ResNet相似目标检测网络模型。该模型以YOLOv5框架为基础,借鉴了两步法的优点。在边框生成方面,改进了特征融合结构,强化了模型的特征提取能力,降低了总体漏检、误检率。在类别预测方面,引入了SE模块(squeeze and excitation module),在通道方向上施加注意力机制,降低网络检测时的计算量,并保持了较高的准确率。在斯坦福宠物狗数据集和自制音符卡片数据集上的实验结果表明,本文提出的相似目标快速检测模型不仅在识别精度方面略高于Faster R-CNN,而在速度方面仅次于YOLOv5,检测帧率约为YOLOv5的72%,能够满足相似目标检测的实时需要。     

结合光流法与最近邻算法的运动目标检测

运动目标检测具有广泛的理论和现实意义,光流法是检测运动目标的重要方法之一。但是用于运动目标检测的光流算法却有着计算量大、处理复杂的问题。一种聚类分析算法和改进的LK光流法相结合检测方案可以很好地解决此类问题。对基于改进的LK光流法的运动目标检测算法进行了分析和仿真,再加以聚类分析使得检测出的运动目标更加准确。首先对图像序列进行采样与预处理,并利用LK光流法计算得出相邻帧图像的光流场,然后再利用最近邻聚类算法对得到的光流场进行处理,进而检测出图像中的运动目标,最后使用Matlab软件进行算法程序验证。通过实验可知,基于金字塔LK光流法与最近邻算法的运动目标检测方案可以更加有效地检测出运动物体。     

基于网格的运动目标检测与跟踪处理

为提高运动目标的检测与跟踪处理速度,设计了一个基于网格计算的解决方案,应用网格计算以分布并行方式来处理图像序列. 网格计算节点上执行的一个任务对应处理图像序列中的一个帧图像单元,一个帧图像单元包含了每次处理过程中所涉及的一帧或多帧图像,因而网格计算中的任务数即为图像序列中的帧图像单元数. 利用Condor系统搭建了一个网格计算试验台,开发了一个用户交互界面和若干中间件服务模块. 以基于相邻帧差法和模板匹配法的运动背景下的目标检测和跟踪算法为例进行了试验. 试验结果表明,该方案具有可行性,并能大幅度缩减计算时间,提高处理效率.      

一种改进的人脸检测方法

针对一种基于多模板匹配的单人脸检测方法的不足 ,提出了一种改进的人脸检测方法。实验表明经过改进的方法在准确性和速度上都有一定的提高     

一种改进的基于Criminisi算法的目标移除方法

由Criminisi算法设想并提出的基于样本块图像修复方法,不但能够修复大面积破损区域,而且可以用于移除图像中的目标物。针对其在计算修复块优先级和搜索最佳匹配块时存在的一些不足,提出了一种改进的基于样本块的目标移除方法。在图片预处理中首先进行膨胀腐蚀处理;其次优先级计算中将置信度计算引入指数,从而得到更加精确的优先权;再次运用局部搜索方法,大大提高了搜索速度和准确性;最后将整幅图再进行拉普拉斯锐化。实验结果表明,修复后的图像效果良好,峰值信噪比大大提高,并且提升了算法效率。